\n<\/p>\n
Hay muchas aplicaciones para tel\u00e9fonos inteligentes que pueden identificar plantas a partir de fotograf\u00edas. Pero las pruebas ahora muestran que algunos solo tienen una precisi\u00f3n del 4 por ciento. Esto podr\u00eda poner en riesgo a los recolectores que buscan comida y las plantas en peligro de extinci\u00f3n podr\u00edan etiquetarse falsamente como malas hierbas y erradicarse.<\/p>\n
<\/p>\n
Ecologista julie pecock<\/a> de la Universidad de Leeds en el Reino Unido y sus colegas evaluaron seis de las aplicaciones m\u00e1s populares: lentes de google<\/em>, iNaturalista<\/em>, Broche de hoja<\/em>, Pl@ntNet<\/em>, chasquido de la planta<\/em> y Buscar<\/em>. Con cada aplicaci\u00f3n, intentaron identificar 38 especies de plantas en su h\u00e1bitat natural, en cuatro lugares de Irlanda. El equipo descubri\u00f3 que algunas aplicaciones obtuvieron puntajes extremadamente bajos, e incluso las mejores no lograron alcanzar el 90 por ciento de precisi\u00f3n. publicaron sus resultados<\/a> en la revista PLOS ONE.<\/p>\n “Por muchas razones, es importante que las aplicaciones sean precisas o que las personas sepan que estas aplicaciones son una gu\u00eda, pero de ninguna manera perfectas”, dice Peacock. Por ejemplo, las personas pueden identificar err\u00f3neamente especies nativas importantes como invasoras y eliminarlas de su jard\u00edn. Por el contrario, las personas pueden consumir plantas silvestres potencialmente peligrosas, pensando que se trata de una especie inofensiva.<\/p>\n \t\t\t\tLEA TAMBI\u00c9N<\/p>\n \t\t\t\t\tEstas siete ideas de qu\u00edmica van a cambiar el mundo \t\t\t\t\tLas formas qu\u00edmicas cada vez m\u00e1s inteligentes de manipular mol\u00e9culas nos traen todo tipo de progreso. Destacamos siete de los m\u00e1s prometedores…\n\t\t\t\t<\/p>\n<\/p><\/div>\n Pero Peacock no cree que las personas no deban usar estas aplicaciones, siempre que entiendan las limitaciones. “Una ventaja es que las aplicaciones podr\u00edan llevar a las personas a involucrarse m\u00e1s con las plantas”, dice.<\/p>\n Las aplicaciones utilizan algoritmos de inteligencia artificial (IA) entrenados en una gran cantidad de fotos de plantas con subt\u00edtulos. Durante el entrenamiento, el programa de IA no solo aprende a reconocer las fotos de entrenamiento, sino tambi\u00e9n a ver similitudes entre estas fotos y fotos nuevas, lo que le permite identificar plantas.<\/p>\n En general, todas las aplicaciones reconocieron mejor las flores que las hojas, lo que, seg\u00fan los investigadores, se debe a que la mayor variedad de formas y colores le da m\u00e1s pistas a la IA. Pero \u00e9ste no siempre fue el caso. La aplicaci\u00f3n iNaturalista <\/em>pudo identificar correctamente s\u00f3lo el 3,6 por ciento de las flores y el 6,8 por ciento de las hojas. chasquido de la planta<\/em> identific\u00f3 correctamente el 35,7 por ciento de las flores y el 17,1 por ciento de las hojas. La mayor precisi\u00f3n fue alcanzada por Pl@ntNet<\/em>: Esta aplicaci\u00f3n identific\u00f3 correctamente el 88,2 % de las flores y el 80,4 % de las hojas.<\/p>\n Cient\u00edfico de la computaci\u00f3n alexis alegre<\/a> del instituto de investigaci\u00f3n Inria en Montpellier en Francia, uno de los investigadores detr\u00e1s del proyecto sin fines de lucro Pl@ntNet<\/em>, dice que el \u00e9xito de la aplicaci\u00f3n se debe a sus conjuntos de datos, que provienen de bot\u00e1nicos, cient\u00edficos y aficionados informados. Adem\u00e1s, los algoritmos intentan eliminar el sesgo de los tipos comunes y, en su lugar, clasifican varios posibles candidatos para cada consulta.<\/p>\n \u201cEsta es a veces una tarea ingrata porque la gente prefiere ver un solo resultado con un 100 por ciento de certeza, aunque no sea el correcto, que tres tipos posibles con un 33 por ciento cada uno, que s\u00ed representan la realidad con respecto a la foto tomada\u201d, dice. \u00e9l. “Pero parece que nuestra estrategia est\u00e1 dando sus frutos”.<\/p>\n\n
\n\t\t\t\t<\/h4>\nflores y hojas<\/h2>\n
Amplios conjuntos de datos<\/h2>\n
mal etiquetado<\/h2>\n